气象因素对输变电线路电磁环境的影响

不考虑气象因素的输变电线路的电磁环境预测值与实际值之间有差距,探讨了温度、湿度、风等气象因素对输变电线路电磁环境的影响,并提出减缓措施。结果表明:温度上升,则电磁场强度及无线电干扰强度都会增强;高相对湿度下电磁场强度与湿度成正比,低湿度则无明显影响,湿度对无线电干扰的影响与线路电压有关;风使输电线发生偏移,改变空间电磁场强度。     

西安市黑碳气溶胶浓度特征及与气象因素和常规污染物相关性

利用西安市环境监测站超级站2013年9月1日—2015年5月31日黑碳气溶胶(BC)的监测数据,研究空气中BC浓度特征及其与气象因素和常规污染物相关性。结果表明:BC小时平均浓度均值在春季、夏季和冬季的变化趋势呈"W"型,秋季呈"V"型,且冬季的第一个最低值和峰值比春季和夏季的分别延迟1 h和2~3 h,且20:00~次日6:00秋季BC小时平均浓度均值高于当年冬季。BC浓度在秋季和冬季较高,夏季较低。冬季BC/PM_(2.5)基本最低,秋季BC/PM_(2.5)相对最高。BC日平均浓度与气温、降水和风速的日平均值为极负显著相关,且风速小于1.0 m/s时,其与风速呈最显著的负相关。除O_3外,BC日平均浓度与其他常规空气污染物浓度呈显著相关,表明其同源性很强,且受机动车尾气排放的影响更大。     

重庆市主城区PM2.5时空分布特征

利用2014年6月1日至2015年5月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的PM_(2.5)浓度数据,探讨了重庆市主城区PM_(2.5)时空分布特征.结果表明:1重庆市主城区PM_(2.5)季节浓度由高到低依次为冬季(100.2μg·m~(-3))、秋季(66.1μg·m~(-3))、春季(45.9μg·m~(-3))和夏季(33.4μg·m~(-3))(P0.05).2重庆市主城区PM_(2.5)月均浓度变化呈单峰单谷型,1月PM_(2.5)月均浓度最高(P0.05),达到120.8μg·m-3.3逐日变化,国控17个空气质量监测站PM_(2.5)日均浓度曲线都呈现出尖峰和深谷交替变化的锯齿状.4重庆市主城区16个国控监测点(除缙云山对照点)PM_(2.5)浓度日变化在全年、春季、秋季和冬季都呈现明显的双峰双谷型.5PM_(2.5)与SO_2、NO_2和CO都呈显著正相关(P0.01),表明SO_2、NO_2和CO的二次转化对PM_(2.5)浓度具有显著影响.     

北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析

在北京地区,除冬季供暖期外盛夏也是雾-霾天气的高发季节,与我国南方不同.使用微波辐射仪、风廓线和常规气象探测资料、NCEP再分析资料以及大气成分观测结果,通过对比分析揭示了冬、夏季持续6 d的2个雾-霾过程形成和维持机制的异同.冬季雾-霾过程出现在高空西北气流、低层多短波活动的背景下,其形成和维持的主要机制是边界层内始终有逆温层、地面弱风场、底层湿度逐渐增大.逆温层昼高夜低、湿度昼小夜大是影响PM2.5质量浓度和能见度日变化的重要环境因子.在雾-霾天气持续期间地面弱风场能够维持主要源于冷空气势力弱、常不能影响到地面.此外,入夜后地面迅速辐射降温、边界层上层有暖平流以及空气过山后下沉增温在逆温层的形成中起了关键作用.然而,对于夏季持续性雾-霾天气,气溶胶区域输送、环境大气保持对流性稳定、空气的高饱和度是其发生的重要条件.在副热带高压长时间控制下对流层低层盛行偏南风,北京的PM2.5质量浓度随着偏南风风速增大升高.对流层底层系统性偏南风与北京附近的山谷风共同构成了从北京以南气溶胶累积地向北输送的机制.夏季雾-霾过程低层没有逆温,但是北京上空一直维持超过200 J·kG-1的对流抑制能量,它同样限制了污染物的垂直扩散.夏季自由对流高度也存在昼夜变化,其对PM2.5浓度和能见度的作用与逆温层高度升降相同.因此,冬、夏个例分别代表了2种不同类型的持续性雾-霾过程,导致差异的根本原因在于大气环流型.     

杭州灰霾天气超细颗粒浓度分布特征

利用快速迁移率粒径谱仪(FMPS)对杭州2013年12月6～11日连续灰霾天气和灰霾消退过程超细颗粒进行监测,分析颗粒物浓度变化和粒径谱分布特征及其与气象的相关性.结果表明,颗粒物日变化特征为夜晚数浓度较高,凌晨数浓度开始降低,08:00和18:00上下班高峰期出现一个小峰值,体现出明显的交通源峰值,表明交通排放对大气污染影响较大.灰霾天气下颗粒物最高数浓度达到8.0×104cm-3.粒径谱呈双峰分布,峰值粒径分别为15 nm和100 nm,粒径在100 nm附近的粒子占大多数,粒子以爱根核模态和积聚模态为主,平均数量中位径CMD(count medium diameter)为85.89 nm.而在灰霾消退过程,颗粒物数浓度降低,峰值粒径向小粒径演变,粒径在100 nm附近的粒子逐渐减少,核模态粒子增多,大于积聚模态,平均CMD为58.64 nm.气象因素中能见度和风力与数浓度主要呈负相关,相关系数R分别为-0.225和-0.229,相对湿度与数浓度正相关,相关系数R为0.271,冬季大气比较稳定,水平温度与数浓度的相关性较小.研究灰霾天气数浓度分布和气象因素的综合影响对其形成机制及控制有重要意义.     

气象因素对广州市大气中二噁英污染特征的影响

采用高分辨气相色谱/高分辨质谱仪测定了广州市环境空气中2,3,7,8-PCDD/Fs的含量,并对其来源进行初步分析.重点研究了广州市大气二噁英浓度的空间和季节分布特征,分析其毒性当量浓度变化与气象因素的相关性,并利用美国空气资源实验室的拉格朗日混合单粒子轨道模型对气流轨迹进行模拟,为了解广州市大气二噁英污染状况提供重要的基础数据.结果表明,工业区的二噁英浓度高于其他功能区;大气二噁英毒性当量浓度最高值出现在春季;风向和风速、温度和气压、相对湿度、降水等气象因素都会对大气二噁英的污染程度产生影响,温度、风速与大气二噁英浓度呈负相关,但相关性不明显;经过气团后向轨迹分析,秋季气流轨迹主要往西北地区延伸,冬季大气团运移较慢,主要来自内陆地区,春夏季节气流主要经过东南沿海或海面到达广州.     

“5·12”地震前后都江堰市地表覆盖状况变化分析

本文以应用遥感技术,对“5·12”地震都江堰区域地表覆盖状况进行分析评价。选取都江堰市基于2007年的LandsatTM影像和2010年HJ-1卫星CCD影像,通过面向对象和目视解译相结合的方法,提取了草地、河流、旱地、水田、建设用地等9类生态类型环境覆盖信息。结果表明：“5·12”汶川地震对地表生态环境的变化较大,北...     

北京市三种典型城市绿地类型的保健功能分析

随着城市化进程的加快,越来越多的城市居民的健康受到城市污染的影响,因而城市绿地对人体的保健作用日益受到重视。通过实地监测的方法,选择北京3种典型类型的绿地、在不同空间以及不同的季相条件组合下,对形成绿地保健功能的空气负离子浓度、空气温度、湿度、二氧化碳浓度、噪音等因子进行了研究。结果表明：（1）不同绿地类型的保健功能有较大的差距,以同一时段空气中的负离子浓度为例,其最大值发生在郊野公园（1810cm^-3）,高于单位绿地（980cm^-3）,远高于作为对照的商业中心（110cm^-3）;（2）在同一绿地的不同空间位置也存在明显差异,以道路绿化防护林带为例,林带中心空气中的负离子浓度高达1900cm-^-3,高于林缘（591cm^-3）和林外（120cm^-3）;（3）同一绿地保健功能随季相变化发生明显改变,在有叶期的道路绿化防护林带中心的空气负离子浓度（1900cm^-3）是落叶期相同位置空气中负离子浓度（750cm-^-3）的两倍多。空气温湿度、噪音、CO2浓度的空间和时间上的变化类似于空气负离子。本研究获得的数据支持了城市绿地保健功能理论,可为合理设计城市绿地增强其保健功能提供依据。     

乌鲁木齐市可吸入颗粒物污染水平及其与气象因素的相关性分析

为了解可吸入颗粒物污染水平与气象因素之间的关系,从2008年9月—2010年2月采集乌鲁木齐市可吸入颗粒物样品,并对其随时间的变化特征及其与气象因素之间的相关性进行了统计分析。结果表明,采样时间内可吸入颗粒物中PM2.5和PM2.5-10的质量浓度的范围分别为38.2~468.7μg/m3和20.8~243.1μg/m3,平均浓度分别为134.2μg/m3和69.2μg/m3。可吸入颗粒物同时受几种气象因素的影响,其浓度与温度、能见度、风速呈负相关,与湿度呈正相关。     

Characterization of biological responses under different environmental conditions: A hierarchical modeling approach

A natural river system is organized as a nested hierarchy of interconnected habitats with specific environmental conditions to which the biological community has adapted. Due to this hierarchical structure, identifying the role of different stressors on the biological community is a formidable task. Efforts trying to link stressors to biological integrity have always been bound to the geographic scale of the selected study area, leading to scale-specific results. In this research, an attempt is made to lift this limitation and develop a hierarchical, scale-sensitive methodology that can identify the significant environmental stressors to the biological community at different scales. Sites with similar background environmental conditions are clustered using self-organizing maps (SOM). This is used to identify stressors which affect the biological community throughout the area of study - called environmental gradients or large-scale stressors. Subsequently, these clusters of similar observations (sampling sites) are progressively sub-divided using environmental variables with a significant but localized effect on the biological community - called small-scale stressors. A parent group of sites is split only when the resulting sub-groups have significantly different biological responses. At the end of this recursive sites decomposition procedure, the original set of observations is organized as a tree of environmentally homogeneous groups of observations characterized by unique biological responses to multiple stressors with different geographic extents. The developed hierarchical analysis methodology has been validated using a large-size dataset of environmental observations from the State of Ohio. Our results show that habitat degradation and increased nutrient loading are the large-scale stressors with a widespread impact in Ohio. Other stressors, such as heavy metals, pH or nitrate concentrations have significant albeit localized effects on biological integrity.